COME CREARE VALORE CON L’INTELLIGENZA ARTIFICIALE

Può una macchina pensare?
Con questo nuovo articolo vogliamo raccontarvi come è nata la macchina pensante e l’evoluzione delle teorie di Machine Learning. Illustreremo i vantaggi d’applicazione del Machine Learning per l’Industria 4.0 e come creare valore con l’Intelligenza Artificiale.

I propose to consider the question, ‘Can machines think? This should begin with definitions of the meaning of the terms ‘machine’ and ‘think’.

Inizia così l’articolo “Computing Machinery And Intelligence”, pubblicato da A.M. Turing nell’ottobre del 1950 sulla rivista MIND – A quarterly review of psychology and philosophy.

Può una macchina ’pensare’? Infatti, fino agli anni ’60, l’idea che una macchina potesse pensare o imparare ricadeva ancora nel campo degli studi teorici – il dibattito sul problema di decisione e la Macchina di Turing risalgono al ’36 – , e la tesi che potesse avere dei risvolti nella vita quotidiana di ognuno era lontana dalle menti dei più.

Il Machine Learning, ovvero l’insieme di metodi che rende una macchina in grado di apprendere autonomamente, nasce come concetto già negli anni ’30 grazie agli studi di Alan Turing. Sarà però Arthur Samuel nel 1956 a fornire una prima definizione effettiva di machine learning, e ad approfondire i suoi studi nel campo delle macchine ad apprendimento automatico.

Il suo lavoro raggiunge una svolta nel 1962, quando il calcolatore, a cui Samuel insegnava a giocare a scacchi da anni e che era stato presentato in TV nel 1956, riuscì a battere l’auto-proclamatosi campione del mondo di scacchi Robert Nealey.

“Wait! Hold the presses! A computer defeated a master checkers player! This was a major news story. Computers could solve the game of checkers. Mankind’s intellectual superiority was being challenged by electronic monsters. […] Paranoia.”
One Jump Ahead: Challenging Human Supremacy in Checkers
Di Jonathan Schaeffer

Oggi, dopo appena 60 anni dalla presentazione al grande pubblico delle macchine ad apprendimento automatico, il machine learning e l’intelligenza artificiale sono a disposizione di tutti.

ALCUNI ESEMPI QUOTIDIANI

Tutti utilizziamo gli algoritmi teorizzati da Turing e studiati da Samuel per taggare i nostri amici su Facebook, per avere una casella di posta elettronica più pulita o per farci suggerire la prossima serie da guardare.

Il machine learning infatti è l’insieme degli algoritmi in grado di apprendere le correlazioni che sussistono tra i dati e replicarle per rappresentare un sistema.

In questo modo esistono algoritmi che imparano quali email sono da etichettare come spam e quali sono invece non dannose per l’utente. Algoritmi che in base all’età, genere e provenienza geografica definiscono quali pubblicità sono più in linea con gli interessi dell’utente. Algoritmi che riconoscono la scrittura manuale o immagini e forme definite. La potenza computazionale unita alla massiva generazione di dati (i Big Data) ha reso questa tecnologia facilmente fruibile e replicabile con risultati soddisfacenti.

Nel mondo dei servizi per gli utenti le applicazioni di machine learning sono dunque capillarmente distribuite. Ogni smartphone è dotato di algoritmi ad apprendimento automatico, e quasi tutti i servizi ne sfruttano le potenzialità. Anche nel mondo della ricerca, gli ambiti del machine learning e dell’intelligenza artificiale sono temi caldi e particolarmente studiati.

QUALI SONO I VANTAGGI DI MACHINE LEARNING PER L’INDUSTRIA? COME CREARE VALORE CON L’INTELLIGENZA ARTIFICIALE?

Abbiamo detto che il machine learning è l’insieme dei metodi che rendono un computer in grado di apprendere senza essere stato esplicitamente programmato. Ovvero, l’insieme degli algoritmi che colgono le relazioni esistenti tra i dati disponibili.

Analizzando la definizione si possono dunque intuire le immense potenzialità in ambito industriale.
La progressiva sensorizzazione delle macchine e delle linee produttive e l’avvicinamento a logiche di storicizzazione dei dati strutturate mette a disposizione delle aziende un’enorme quantità di informazioni. Attraverso questi dati è possibile rappresentare con alta affidabilità il comportamento a regime del macchinario, o le condizioni che portano ad anomalie o guasti.

Applicando gli algoritmi del machine learning alle realtà industriali è dunque possibile sviluppare soluzioni intelligenti in grado di monitorare il comportamento di un macchinario, prevedere i guasti o intercettare le inefficienze.

A differenza dei modelli esplicitamente programmati, che si basano su un set di regole fisiche, meccaniche, termodinamiche o elettrodinamiche, i modelli basati sull’apprendimento automatico presentano una flessibilità e una capacità di adattamento molto superiori. Il modello del comportamento di un componente che sfrutta il machine learning è in grado di rappresentare tutte le specificità del singolo componente analizzato.

Se sulla carta il processo sembra automatico, nella realtà il percorso da dato grezzo a soluzione intelligente passa da diverse analisi ed elaborazioni, tipicamente messe in atto da figure tecniche specializzate – i data scientist – in grado di costruire la soluzione più adatta per il sistema investigato.

Questo percorso, che prevede diverse competenze matematiche, tecniche ed informatiche, è però definibile in alcuni passaggi standard. Conoscere il percorso per sviluppare soluzioni intelligenti dal dato grezzo dà la possibilità di valutare meglio le soluzioni disponibili sul mercato, o semplicemente approfondire un tema molto dibattuto in termini etici e sociologici, ma spesso poco approfondito dal punto di vista tecnico.

IMPARARE A CREARE VALORE CON L’INTELLIGENZA ARTIFICIALE

La rivoluzione digitale è già iniziata, soprattutto nel campo dell’industria e del facility management. Molte aziende, però, risultano essere ancora poco preparate ad affrontarla. Ed è proprio per questo che è nata MIPU AI School, la prima scuola di Intelligenza Artificiale pronta a supportare i professionisti nel percorso di digitalizzazione.

Il 26 Febbraio, a Milano, proponiamo un corso di una giornata per apprendere insieme “Come creare valore con l’AI”. Il corso ha come obiettivo quello di aiutarti a imparare cos’è davvero l’AI e con quali modalità portarla in azienda.

Per applicazioni più pratiche e verticali invece, abbiamo sviluppato due corsi di formazione che terremo online:

• – Come applicare l’AI per migrare dalla manutenzione preventiva alla manutenzione predittiva (20 Novembre 2020)
• – Come applicare l’AI alla gestione dell’energia (14 Dicembre 2020)